小波域隐马尔可夫树模型(hidden Markov tree model,简称HMT)作为一种统计信号处理的框架模型,在图像去噪、图像分割等图像处理领域有广泛的应用。利用HMT模型,可以有效地对现实生活中遇到信号的统计相关性和非高斯特性建模。在电力设备实时监控过程中,由于电磁场环境的干扰,获取的红外图像通常会包含较强烈的噪声且对比度低。论文提出了一种基于小波域HMT模型的红外图像去噪算法。该方法首先通过对数变换将乘性噪声转化为加性噪声,然后图像进行小波变换并用混合高斯模型与隐马尔可夫树模型进行建模,再采用期望值最大算法(Expectation Maximization,简称EM)来估计模型参数。最后引入了基于重要性准则的小波系数修正,通过小波逆变换与指数变换获得去噪后的图像。实验结果表明,该算法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。